广义强非线性拟变分不等式的分歧值

给出了广义强非线性拟变分不等式的分歧值存在的条件，为求分歧值的近似解的迭代算法做准备。     

外资引进中多元政府混合贷款的综合评价方法

文章简单要介绍了多元政府混合贷款的含义及对其评价的传统方法，指出了传统评价方法的缺陷，提出用群组ＡＨＰ理论构造新的评价模型。在专家的选择及评价上采用问卷测试的客观内容来计算各专家权重，对专家评议结果的处理采用不等权专家信息后处理技术.     

有序地质量最优分割的二分算法

1 引言"有序地质量最优分割法"是近年来地质勘探工程中,地层划分和对比所常用的一种定量方法.至今此法仍以最优分割定义为选优准则进行"全面比较选优",这就不可避免地存在着计算量大的缺点.因此,建立有效的最优分割判别准则,改进选优计算方法,是具有重要的实际意义的.     

多信息水声传输方式及其应用研究

介绍“抗强噪声水层深度遥测装置”专利中,采用频分PPM(Pulse-Position modulation)方式进行多信息水声传输的研究和工程设计,并着重阐述产生PPM数字信号的新方法和应用特殊的数字选频滤波接收的先进技术,并提出所设计的有关电路。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于FAHP-ICV的燃气管网风险评估方法

可靠的风险评估结果有助于提升燃气管网安全管理水平。该文提出一种基于模糊层次分析和改进变异系数(FAHP-ICV)的燃气管网量化风险评估方法。结合某省燃气管网实际情况构建了包含3个一级指标、 9个二级指标的燃气管网风险评估指标体系。采用FAHP与ICV相结合的组合赋权法确定指标的综合权重,基于统计学中K-means聚类、抽样技术及概率分析方法对指标评分分值进行调整,结合专家经验确定评分标准。采用线性综合评估方法计算管段相对风险值,实现风险排序及风险分级。以某省12个城市燃气数据为基础验证了该方法的可行性与适用性。该方法提升了燃气管网量化风险评估的客观性与准确性。     

技能映射通过析取模型诱导的多分知识结构

基于程序性知识的评估,提出由项目自身的状态结构诱导多分知识结构的方法,以建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作步骤设定响应值集,通过项目状态转移函数定义项目状态空间;然后,用操作程序表示技能,由过程函数导出析取的技能映射;最后,讨论技能映射通过析取模型诱导的多分知识结构.结果表明：技能映射通过析取模型诱导的多分知识结构是多分知识空间.     

频域时间反转多用户系统的信干噪比和误比特率分析

为了更有效地将时间反转技术应用到正交频分复用系统中,推导了多天线频域时间反转预编码多用户系统的平均信干噪比和误比特率的表达式。通过推导信号功率均值的表达式和用户间干扰信号功率均值的近似表达式,得到用户的平均接收信干噪比的近似表达式,进而得到二进制相移键控调制下的平均误比特率的一个下界和近似表达式。仿真结果表明,推导的平均信干噪比的近似值与仿真结果很接近,近似BER值与仿真得到的平均BER值较为接近;通过增大速率回退因子和天线数,可明显提高平均信干噪比,降低误比特率。     

基于双向门控机制和层次注意力的方面级情感分析

针对传统情感分析模型将单词或词语作为单一嵌入,而忽略句子之间依存信息和位置信息的问题,提出基于双向门控机制和层次注意力的方面级情感分析模型（Based on Bi-GRU and Hierarchical Attention,BGHA）。首先,将文本数据转成词向量再加入位置编码信息,得到包含位置和语义信息的词向量后通过双向门控机制提取上下文特征;接着,分别在单词注意力层和句子注意力层用注意力机制对特征分配权重,突出重点词和重点句信息;最后,结合给定的方面信息选择性提取与其较匹配的情感特征。在SemEval 2014、SemEval 2016和Twitter短文本评论数据集上的实验结果表示,BGHA模型的准确率对比其他模型都有不同程度的提高,证明了模型的有效性。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.